UNIVARIAT
BIVARIAT UJI T ANOVA CHI SQUARE KORELASI
MULTIVARIAT REG. LINIER GANDA REG. LOGISTIK GANDA
.
Dimana :
Thitung = Nilai t
r = Nilai Koefisien Korelasi
n = Jml Sample
• Gambar di bawah ini menjelaskan jenis korelasi antara X
dan Y, pada gambar (a) korelasi positif, (b) korelasi
negatif dan (c) tidak berkorelasi.
Tidak Berkolerasi
90
80
70
60
50
40 X
30
20
10
0
0 20 40 60 80
HUBUNGAN UMUR DENGAN KADAR
ASAM URAT PASIEN
Umur (X) 60 70 75 65 70 60 80 75 85 90 70 85
Tekanan 450 475 450 470 475 455 475 470 485 480 475 480
Darah(Y)
• Pertanyaan :
1. Berapakah besar hubungan umur dengan
kadar asam urat pasien?
2. Berapa besar sumbangan (kontribusi) umur
terhadap kadar asam urat pasien?
3. Buktikan apakah ada hubungan yg signifikan
umur dengan kadar asam urat pasien?
Langkah-langkah
1. Buat Ha dan Ho dalam bentuk kalimat :
Ha : ada hubungan yang signifikan umur
dengan kadar asam urat pasien
Ho : tidak ada hubungan yang signifikan umur
dengan kadar asam urat pasien
2. Buat Ha dan Ho dalam bentuk statistik :
Ha : r ≠ 0
Ho : r = 0
APLIKASI SPSS
• Gunakan data “BBLR1.SAV”
• Hubungan antara berat badan Ibu (BBIBU1)
dengan tekanan darah (SISTOLE1)
• Korelasi Langkah 1
1. Uji Kenormalan data 2 variabel tersebut dengan
estimasi interval melalui analisis eksplorasi
2. Analyze > Descriptive > Explore
Perbandingkanlah nilai skewness dan standar
error (dibagi) kedua variabel tersebut, apabila
hasilnya kurang dari 2 maka distribusi NORMAL,
dan dapat disimpulkan menggunakan Uji
Parametrik.
• Langkah 2
1. Analyze > Correlate > Bivariat
2. Sorot variabel (BBIBU1) dan (SISTOLE1), lalu
masukan ke kotak kanan “Variables”
3. OK
HASIL ANALISA
• Tampilan berupa matrik antara variabel yang di
korelasi
• Ada tiga baris informasi yang disediakan
1. Nilai Korelasi (r) > pierson corelation
2. Nilai P value > sig (2-tailed)
3. N (jumlah data)
4. r=0,233/p=0,002
KESIMPULAN KORELASI
• HUBUNGAN BERAT BADAN IBU DENGAN
TEKANAN DARAH SISTOLE MENUNJUKAN
HUBUNGAN YANG LEMAH DAN BERPOLA
POSITIF
• ARTINYA SEMAKIN BERTAMBAH BERAT
BADAN IBU MAKA SEMAKIN TINGGI TEKANAN
DARAHNYA
• HASIL UJI STATISTIK TERDAPAT HUBUNGAN
YANG SIGNIFIKAN ANTARA BERAT BADAN IBU
DENGAN TEKANAN DARAH SISTOLE (p=0,002)
Referensi
Suhyanto, Korelasi Product Moment, 2009.
Wijayanto, ANALISIS KORELASI PRODUCT
MOMENT PEARSON, 2008.
Noname, TEKNIK ANALISIS DATA, Noyear
Fajar, Statistika untuk Praktisi Kesehatan, Graha
Ilmu; 2009
Sumartiningsih, Belajar Mudah SPSS untuk
Penelitian Kesehatan, Dewa Ruchi;2007
PENDAHULUAN REGRESI
Dalam kehidupan sehari-hari kita sering melihat
suatu peristiwa atau keadaan yang terjadi akibat
peristiwa yang lain.
Untuk mengetahui hubungan antara kejadian
tersebut, terutama untuk menelusuri pola
hubungan yang modelnya belum diketahui maka
analisis regresi dapat dijadikan alat untuk
membantu menganalisis hubungan tersebut.
• Analisis regresi memiliki 3 kegunaan yaitu
deskripsi, kendali, dan prediksi (peramalan).
• Manfaat utama dari kebanyakan penyelidikan
statistik adalah mengadakan prediksi atau
peramalan
• Peramalan adalah suatu proses memperkirakan
secara sistematis tentang apa yang paling mungkin
terjadi di masa yang akan datang berdasarkan
informasi masa lalu dan sekarang yang dimiliki agar
kesalahannya dapat diperkecil.
• Dalam analisis regresi dikenal dua macam
variabel atau peubah
• Variabel bebas X (independent variabel)
adalah suatu variabel yang nilainya telah
diketahui.
• Variabel terikat Y (dependent variabel).
adalah variabel yang nilainya belum diketahui
dan yang akan diramalkan.
PERBEDAAN KORELASI DAN REGRESI
• Regresi sederhana dapat dianalisis karena
didasari oleh hub. fungsional atau hub. Sebab
akibat (kausal) var. X dan Y
• Kedua analisis ini mempunyai hubungan yang
sangat kuat dan erat
• Setiap analisis regresi otomatis ada analisis
korelasi
• Setiap analisis korelasi belum tentu diuji regresi
• Karena kedua variabelnya tidak mempunyai
hub. Fungsional dan sebab akibat
CATATAN
Nilai R² : 0 - 1 / 0% - 100%
• Dimana
• = subjek var. terikat yg diproyeksikan
• X = var. bebas yg punya nilai tertentu u/ diprediksi
• a = Nilai konstanta hrg Y jika X = 0
• b = Nilai arah sebagai penentu ramalan (prediksi) yg
menunjukan nilai peningkatan (+) atau penurunan (–)
var. Y (slope/gradien)
APLIKASI SPSS
Sebuah penelitian ingin menganalisis hubungan
antara berat badan ibu sebelum melahirkan dengan
tekanan darahnya
Pertanyaanya :
Tentukan Nilai koefisien determinasi dan variasi
var Y terhadap X ?
Tentukan nilai p, dan simpulkan nilai hubunganya
Tentukan nilai konstanta dan nilai b
Hasil point 3 diatas masukan dalam bentuk
persamaan regresi (rumus)
Tentukan estimasi standar error nya
Gunakan data “BBLR1.SAV”
Koefisien determinasi
(tbl. MODEL SUMMARY > R square)
Persamaan garis (tbl. ANOVA)
P value (tbl. COEFFICIENT TEST)
Persamaan
garis regresi
korelasi
Signifikansi
Model
persamaan
regresi
• R square = 0.054 pers. Grs reg. yg diperoleh
dapat menerangkan 5,4% pers. garis yang
diperoleh kurang baik u/ menjelaskan var. tek.
Darah
Hub. BBIBU dengan tekanan darah sistole menunjukan hub. Yang lemah
(r=0,233) dan berpola positif artinya semakin bertambah berat badan ibu, semakin
tinggi tekanan darahnya.
Nilai koefisien dengan determinasi 0,054 artinya, pers. Garis regresi yg diperoleh
dapat menerangkan 5,5% var. tekanan darah ibu atau pers. Garis yg diperoleh
Kurang baik u/ memprediksi var. tek. Darah sistole. Uji statistik ada hub. Yg
signifikan antara berat badan ibu dengan tekanan darah sistole (0,002)
PREDIKSI VARIABEL
DEPENDENINDEPENDEN
Misalnya :
Perbedaan tekanan darah penduduk orang kota
dengan orang desa
Perbedaan berat badan antara sebelum dan
sesudah mengikuti program diet
Kelompok Data
• Independen
Data kelompok yang satu tidak tergantung dari
kelompok kedua
• Dependen/berpasangan
Data kelompok saling mempunyai ketergantungan
Karakteristik Uji Beda Dua Mean
1. Uji beda dua mean Independen
Tujuan :
Mengetahui perbedaan mean antara dua
kelompok data independen
Var. Kategorik/Independen
TIDAK
MEROKOK
MEROKOK
PENYAJIAN DAN INTERPRETASI
PENELITIAN
MEROKOK MEAN SD SE P VALUE N
YES MEROKOK 52.56 5.888 0.662 79
0.190
NO MEROKOK 53.50 5.362 0.534 101
Rata-rata berat badan ibu yang merokok pada saat hamil adalah 52.56 dengan
standar deviasi 5.888, sedangkan untuk berat badan ibu yang tidak merokok
pada saat hamil rata-rata berat badannya adalah 53.50 dengan standar deviasi
5.362. Hasil uji statistik didapatkan nilai p=0,190, berarti pada alpha 5% terlihat
tidak ada perbedaan yang signifikan rata-rata berat badan ibu pada saat
hamil antara yang merokok dengan yang tidak merokok.
CASE UJI T DEPENDEN
Paired/Related/pasangan
Digunakan pada analisis data penelitian
eksperimen
INGAT!! “disebut kedua sampel bersifat dependen
jika kedua kelompok sampel yg dibandingkan
mempunyai subjek yang sama”
• Uji beda rata-rata tek. darah antara tek. darah
pengukuran pertama dengan tek. darah
pengukuran kedua.
• Ingin mengetahui apakah ada perbedaan tek.
darah antara pengukuran pertama dengan tek.
darah pengukuran kedua.
• Sampel dependen karena orangnya sama dan
diukur 2x
PENYAJIAN DAN INTERPRETASI
PENELITIAN
Rata-rata tek. darah ibu saat hamil pada pengukuran pertama adalah 123.55 mmhg dengan
standar deviasi 5.187 mmhg, pada pengukuran kedua didapat rata-rata tek. darah ibu saat
setelah melahirkan adalah 116.18 mmhg dengan standar deviasi
4.796. Terlihat nilai mean perbedaan antara pengukuran pertama dan kedua adalah 7.367
Dengan standar deviasi 6.599. Hasil uji statistik didapatkan nilai 0.000 maka dapat disimpulkan
Ada perbedaan yang signifikan antara pengukuran tek. Darah pertama dan kedua
Weakness
RR = desain Cohort
OR = Deseani Case Control dan Cross Sectional
PENGKODEAN OR DAN RR
Dalam pengkodean OR dan RR harus konsisten
antara variabel independen dan dependen
Var. Independen
Kelompok yg beresiko/expose diberi kode tinggi
(kode 1) dan kode rendah (kode 0) untuk
kelompok tdk beresiko/non expose
Var. Dependen
Kelompok kasus yang menjadi fokus penelitian
diberi kode tinggi (kode1) dan kode rendah
(kode 0) kasus yg bukan menjadi fokus
penelitian
CASE CHI SQUARE
Dependen
Lihat Footnote dibawah
tabel Chi-Square test,
apabila tertulis nilai 0
cell (0%) berarti pada
tabel silang diatas
tidak ditemukan ada
nilai E<5
PERATURAN YANG BERLAKU PD UJI CHI
SQUARE
1. Bila pada tabel 2x2 ada nilai E<5, maka yang
digunakan Fisher’s Exact Test
2. Bila pd tabel 2x2 tdk ada nilai E<5, maka yang
digunakan Continuity Correction
3. Bila tabelnya lebih dari 2x2, misal 2x3, 3x3 dst,
maka yang digunakan uji Pearson Chi Square
4. Uji Likelihood Ratio dan Linier By Linier
Assciation, digunakan untuk keperluan spesifik,
misal : analisis stratifikasi pd epidemiologi (jarang
digunakan)
• Maka Uji Chi-Square yang dilakukan pada
contoh di atas adalah Continuity Correction
• Perhatikan kolom Asymp. Sig, terlihat p
valuenya = 0.003
• Kesimpulan ada perbedaan proporsi kejadian
BBLR antara ibu yang merokok dengan ibu yang
tidak merokok
• Ada hubungan yang signifikan antara kebiasaan
merokok dengan kejadian BBLR
BESAR KEKUATAN HUBUNGAN
• OR = CROSS SECTIONAL & CASE CONTROL
• RR = KOHORT
• Pada kasus di atas terlihat nilai Odds Ratio
2.608 (95% CI : 1.421-4.787)
• Pada kasus di atas terlihat nilai Relative Risk
1.541 (95% CI : 1.54-2.058)
• KESIMPULAN : ibu yang merokok mempunyai
peluang 2,6 kali bayinya mengalami BBLR
dibanding ibu yang tdk merokok
PENYAJIAN DAN INTERPRETASI
KONDISI BAYI N
TDK BBLR BBLR
MEROKOK TIDAK 67 (66,3%) 34 (33,7%) 101 (100%)
SELAMA YA 34 (43,0%) 45 (57,0%) 79 (100%)
HAMIL
Dari hasil penelitian terlihat pada tabel 2x2 bahwa ibu yang merokok selama
hamil dengan kondisi bayi BBLR sebanyak 45 orang atau 57%, sedangkan ibu
yang tidak merokok dengan kondisi bayi tidak BBLR adalah sebanyak 67
orang atau 66,3%. Dari pengujian statistik didapatkan tidak ada nilai E<5,
maka dapat disimpulkan menggunakan uji chi square Continuity
Correction dengan nilai P value = 0,003 berarti pada alpha 5% dapat
disimpulkan ada perbedaan proporsi dan hubungan yang signifikan antara
kejadian BBLR antara ibu merokok dan yang tidak merokok, dengan derajat
hubungan nilai OR = 2,608 berarti ibu yang merokok mempunyai peluang 2,6
kali bayinya mengalami BBLR dibanding ibu yang merokok
Referensi
• Hastono, Basic Data Analysis for Health
Research Training, FKM UI 2007
• Sumartiningsih, Belajar Mudah SPSS untuk
Penelitian Kesehatan, Dewa Ruchi;2007
RANK SPEARMAN
• Mengukur derajat keeratan suatu hubungan
antar urutan jenjang suatu hasil pengamatan
suatu variabel dengan urutan jenjang hasil
pengamatan pada variabel lain
• Pada pengujian data pada kedua variabel paling
rendah berskala ordinal atau semi kuantitatif
• Data bisa digunakan pada kuantitatif atau
interval/rasio